-
公开(公告)号：CN109685119B
公开(公告)日：2023-05-23
申请号：CN201811500515.2
申请日：2018-12-07
Applicant: 中国人民解放军陆军工程大学
IPC: G06V10/764 , G06N3/0464
Abstract: 本发明公开一种针对含有噪声图像分类的新型深度卷积神经网络方法，主要特点在于采用了随机最大值池化这一新的池化方法。随机最大值池化方法随机选取感受野范围内前n个较大值作为池化结果，首先将感受野范围内的所有值进行排序，选出前n个较大值；然后在前n个较大值中随机选取一个值作为池化结果。随机最大值池化方法结合了最大池化方法和随机池化方法的特点，既能保留感受野内主要特征信息，又能提高网络对感受野内噪声的抑制作用。本发明在CIFAR‑10，SVHN和MNIST数据集上进行验证，取得较好效果。
-
公开(公告)号：CN115378530A
公开(公告)日：2022-11-22
申请号：CN202211003555.2
申请日：2022-08-19
Applicant: 中国人民解放军陆军工程大学
IPC: H04B17/391 , H04B7/185
Abstract: 本发明公开了无线通信技术技术领域的面向低轨卫星移动通信的空时频非平稳传输特性分析方法，包括：基于包含发射端和接收端的低轨卫星移动通信场景建立直角坐标系；计算发射端发出的信号经直达路径到达接收端时直达路径的长度；计算发射端发出的信号经散射簇反射到达接收端时非直达路径的长度；基于直达路径和非直达路径的长度，分别计算直达路径和非直达路径的信道复冲激函数；基于直达路径和非直达路径的信道复冲激函数建立信道矩阵；基于直达路径和非直达路径的信道复冲激函数，分析低轨卫星移动通信的空时频非平稳特性。本发明对于评估低轨卫星移动通信信道容量、传输增益等性能具有重要的指导意义和应用价值。
-
Patent Agency Ranking
公开(公告)号：CN114511623A
公开(公告)日：2022-05-17
申请号：CN202210068539.5
申请日：2022-01-20
Applicant: 中国人民解放军陆军工程大学
IPC: G06T7/70 , G06T7/90 , G06T7/62 , G06N3/04 , G06K9/62 , G06V20/40 , G06V20/52 , G06V10/74 , G06V10/774 , G06V10/764 , G06V10/82
Abstract: 本发明提出的是一种基于位置匹配的单兵头盔佩戴检测方法，该方法包括如下步骤：收集单兵头盔样本并标注，建立数据集；构建基于注意力机制和随机权重平均的目标检测模型，实现对单兵头盔和人体样本的高效检测；根据单兵头盔与人体的检测框的位置信息进行匹配计算，判别人是否佩戴了单兵头盔；根据判别结果，对识别边框进行变色处理。本发明将随机权重平均理论与基于注意力机制的改进YOLO v5l结合，提出基于视觉注意力机制和随机权重平均的目标检测方法，在检测精度方面获得了再一次的提升，将此权重作为最终模型，用于人与单兵头盔的检测。
-
公开(公告)号：CN113160391A
公开(公告)日：2021-07-23
申请号：CN202110484938.5
申请日：2021-04-30
Applicant: 中国人民解放军陆军工程大学
Abstract: 一种双阶段三维场景建模方法，属于计算机视觉范畴。包括：使用RGBD相机和单目相机同时采集RGB数据和深度数据，使用基于视觉同步定位与建图的三维重建算法和基于运动恢复结构的三维重建算法分别以不同的速度进行建模。第一阶段实时记录SLAM重建进度，进行图像帧配准、姿态估计和点云匹配，回环检测和模型融合，短时内生成较稀疏的重建模型，且可以帮助实时定位和导航，增强数据时序性；第二阶段通过大量高清RGB图像进行基于运动恢复结构的三维重建算法，生成稠密完整且细节丰富的重建模型。既保证了对短时内重建结果辅助定位的要求，具有时效性，又能提供高重建精度的稠密重建结果。
-
公开(公告)号：CN108596044B
公开(公告)日：2021-05-07
申请号：CN201810280444.3
申请日：2018-04-02
Applicant: 中国人民解放军陆军工程大学
Abstract: 本发明公开一种基于深度卷积神经网络的行人检测方法，包括如下步骤：(10)样本集收集：将样本集图像分为训练集与测试集；(20)样本图像预处理：对样本集图像进行尺寸变换、对比度归一化和白化处理，得到低冗余样本灰度图像；(30)深度卷积网络模型获取：利用低冗余训练样本，采用连续dropout策略，对深度卷积网络进行训练，利用测试集样本对深度卷积网络进行测试，得到深度卷积网络模型；(40)行人检测：利用深度卷积网络模型，对使用现场图像进行行人检测。本发明的基于深度卷积网络的行人检测方法，通过连续dropout策略，在保持网络训练精度的同时，获得更好的泛化能力，从而在行人检测中得到更高的正确率。
-
公开(公告)号：CN112634130A
公开(公告)日：2021-04-09
申请号：CN202010859644.1
申请日：2020-08-24
Applicant: 中国人民解放军陆军工程大学
Abstract: 一种Quick‑SIFT算子下无人机航拍图像拼接方法，包括：步骤1：图像采集；步骤2：图像配准；步骤3：图像融合。所述图像采集包括：利用搭载光学载荷的无人机经过一定路线，拍摄带有重叠部分航拍图像，通过图传设备获取图像；所述图像配准包括：采用基于图像特征的图像配准方法，即首先用Quick‑SIFT算子提取两幅图像的特征点，利用RANSAC特征点进行匹配筛选，得到M个最优的匹配对，M为正整数；结合其它策略有效改善了无人机航拍图像拼接中特征检测耗时长的问题、显著提高了图像拼接效率。
-
公开(公告)号：CN108875552A
公开(公告)日：2018-11-23
申请号：CN201810372068.0
申请日：2018-04-24
Applicant: 中国人民解放军陆军工程大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于约减字典低秩表示的异常检测方法。将编码时空信息的多尺度三维梯度特征作为低等级特征，在视频数据的结构化稀疏驱动下，通过底层近似法用来获得一组正常字典序，然后利用底层结构化稀疏编码模型来学习降序字典序。该方法利用底层性质来学习能高效表示大量相似性正常特征的底层正常字典序；基于算法的稀疏性自适应地确定字典序基数的取值，使得该方法是一个解释对应的动态场景语义的最佳选择；降序字典序学习方法不仅高效，还能实现实时检测。
-
-
-
-
-
-
Search Results
37
records
(took 0.037 seconds)
